正则表达式学习笔记

正则表达式在线测试网站：regex101: build, test, and debug regex

该网站可以测试自己写的正则表达式能否正确匹配文本内容

一、常用元字符及含义

（注：在正则表达式中，".* "的作用是匹配任意字符（除了换行符 \n）零次或多次。因此，.* 可以匹配任意长度的字符串，包括空字符串,因为*允许零次匹配,如下图匹配到空字符串，但是使用".+"时可以匹配到整个字符串，而不会匹配到空字符串

在使用 .* 时，通常需要结合其他模式和限定符，以便精确地匹配需要的文本。)

元字符	描述	正则表达式	示例
.	匹配任意字符（除了换行符 \n）	a.b	aab, axb, a1b, 但不匹配 ab,可以理解为一个占位符
^	匹配字符串的开始	^abc	abcxyz, abc123
$	匹配字符串的结束	xyz$	123xyz, abcxyz
*	匹配前一个字符零次或多次	a*b	b, ab, aaab, aaaab
+	匹配前一个字符一次或多次	a+b	ab, aab, aaab, aaaab
?	匹配前一个字符零次或一次	a?b	b, ab
{}	指定匹配次数范围	a{2,4}	aa, aaa, aaaa，但不匹配 a 或 aaaaa
[]	匹配括号内的任意一个字符	[aeiou]	\
[^]	匹配不在括号内的任意一个字符	[^aeiou]	\
|	或	a|b	a, b
\b	匹配单词边界	\bword\b	word（独立的单词，不匹配 wordpress 或 wording）
()	分组	(abc)+	abc, abcabc, abcabcabc
\	转义字符，使下一个字符失去特殊意义	\.	匹配.字符
{n}	匹配前一个字符恰好 n 次	\d{3}	123, 456, 789（恰好三个数字）
{n,}	匹配前一个字符至少 n 次	[a-zA-Z]{2,}	Hello, RegexPattern, ABCD(至少两个字母）
{n,m}	匹配前一个字符至少 n 次但不超过 m 次	\d{2,4}	12, 123, 1234, 5678（两到四位数字）

12.15.23.234
/^[0-9]{2,3}\.[0-9]{2,3}\.[0-9]{2,3}\.[0-9]{2,3}$/
而不是
/^[0-9]{2|3}\.[0-9]{2|3}\.[0-9]{2|3}\.[0-9]{3}$/
{2|3} 这种写法在正则表达式中是不合法的

二、转义字符

转义字符	含义
\d	匹配任意数字字符（0-9）
\D	匹配任意非数字字符
\w	匹配任意字母、数字、下划线
\W	匹配任意非字母、数字、下划线
\s	匹配任意空白字符（空格、制表符、换行符等）
\S	匹配任意非空白字符
\b	匹配单词边界
\B	匹配非单词边界

三、括号()

括号 () 在正则表达式中的作用是分组和捕获。

1. 分组（Grouping）： 括号允许将多个表达式组合成一个单元，以便对整个单元应用限定符或其他操作符。这使得可以对一个特定的子模式进行操作，而不是整个正则表达式。

   示例： 考虑一个正则表达式 (ab)+\d{3}，它匹配一个或多个连续的 "ab" 字符串后面跟着三个数字。在这个正则表达式中，(ab)+ 是一个分组，表示匹配一个或多个连续的 "ab" 字符串。

   匹配的字符串示例： abab123, ababab789, abababab456.

2. 捕获（Capturing）： 括号还可以用于捕获匹配的文本，以便在后续操作中使用。当括号包围一个子模式时，匹配的文本会被捕获并存储在一个变量中，供后续的处理使用。

   示例： 考虑正则表达式 (\d{3})-(\d{2})-(\d{4})，例如，123-45-6789）。在这个正则表达式中，(\d{3})、(\d{2}) 和 (\d{4}) 是捕获组，分别用于捕获电话号码的区号、前缀和行号。

   匹配的字符串示例： 123-45-6789, 555-12-3456, 987-65-4321.

四、懒惰限定符
 

懒惰限定符（也称为非贪婪限定符）用于使正则表达式匹配尽可能少的字符。在默认情况下，正则表达式是贪婪的，它会尽量匹配更多的字符。懒惰限定符可以通过在限定符后面加上问号 ? 来实现，例如 *?、+?、{n,}? 等。

懒惰限定符与贪婪限定符的区别在于，懒惰限定符会尽量少地匹配字符，而贪婪限定符会尽量多地匹配字符。这在处理需要匹配最短字符串的情况下非常有用。

考虑字符串 "abracadabra" 和正则表达式 a.*?a：

• a 匹配第一个字符 'a'。
• .*? 匹配任意数量的字符，尽可能少地匹配，直到下一个 'a' 出现。
• 最后一个 a 匹配字符串中的最后一个 'a'。

在贪婪匹配模式下，正则表达式 a.*a 会匹配整个字符串 "abracadabra"，因为它会尽可能多地匹配字符。但在懒惰匹配模式下，正则表达式 a.*?a 会尽可能少地匹配字符，它会匹配最短的符合条件的子串。

在这个例子中，正则表达式 a.*?a 匹配的结果是 "abra"，而不是整个字符串 "abracadabra"。这是因为 .*? 尽可能少地匹配字符，直到找到满足条件的下一个 'a' 为止。